科研动态 | 哈工大航天学院/郑州研究院基于TLC-SERS光谱的机器学习分析实现农药混合物的自动识别

发布时间:2024-06-12浏览次数:12

     (方国强/文图)近日,哈工大航天学院/郑州研究院光子传感研究团队创新性使用TLC-SERS光谱结合机器学习,实现了农药混合物的自动识别。研究成果以论文形式发表在Journal of Hazardous Materials(IF:13.6),题目为Automated identification of pesticide mixtures via machine learning analysis of TLC-SERS spectra(通过对TLC-SERS光谱进行机器学习分析实现农药混合物的自动识别)。该研究成果有望为农产品安全检测提供便利,以降低农药混合物残留对人类健康和环境的潜在风险。

      以下为该论文详细情况:

 农药混合使用是现代农业生产中的常见现象,多种农药残留可能会产生相互强化的毒性从而进一步危害人类健康。表面增强拉曼散射技术与薄层色谱(TLC-SERS)相结合已被应用于药品及食品中的成分检测。然而,由于TLC技术不能保证混合物的完全分离以及人工光谱分析的主观性,TLC-SERS技术在农药混合物中成分的准确识别方面仍需要进一步优化。

 针对上述问题,团队开发了一种自动、准确、高效的TLC-SERS传感基底用于复杂混合物中多种分析物的检测。首先,采用界面自组装方法在TLC板表面组装Ag纳米粒子来制备具有高灵敏度和混合物分离检测的SERS基底。通过沿着TLC板路径进行一维SERS光谱的采集,生成混合物溶液中所有物质的TLC-SERS光谱。然后,卷积神经网络(CNN)分类模型和光谱角度(SA)相似度模型对TLC-SERS光谱数据进行分析。与传统的人工分析方法相比,所提出的机器学习算法是对TLC-SERS光谱数据的空间和光谱信息的整体分析,而不是仅依靠主要的拉曼特征峰便确定光谱信息。此外,只需采集一次纯分析物的SERS光谱作为标准光谱,就可以应用于各种混合物的自动识别,这大大提高了所提方法的可扩展性。最重要的是,当算法模型训练成功后,在个人计算机上的执行时间小于5 min,这对快速检测非常重要。因此,这种自动化、客观的TLC-Ag SERS光谱分析技术有望在农药混合物的检测领域中受到青睐。

       哈工大为第一通讯单位。航天学院哈斯乌力吉教授、大连民族大学林翔副教授为共同通讯作者。航天学院博士研究生方国强为第一作者。

       该研究获国家自然科学基金、内蒙古自治区自然科学基金项目基金等项目支持。

       论文链接https://doi.org/10.1016/j.jhazmat.2024.134814

论文相关信息截图

TLC-Ag SERS底物的制备和表征

混合物的TLC-SERS光谱

卷积神经网络分类算法识别混合物的TLC-SERS光谱

光谱角相似度算法识别混合物的TLC-SERS光谱

卷积神经网络分类算法与光谱角相似算法结合识别混合物的TLC-SERS光谱

采用机器学习算法分析农药混合物的TLC-SERS光谱数据


责任编辑:梅鹏飞

审核:张懿文、姜桃飞


扫一扫分享本页